基于ICEEMDAN-BP的高耸空间结构风速预测方法技术

本发明专利技术公开了一种基于ICEEMDAN

【技术实现步骤摘要】
基于ICEEMDAN
‑
BP的高耸空间结构风速预测方法


[0001]本专利技术属于风场
，具体是一种基于ICEEMDAN
‑
BP的高耸空间结构风速预测方法。

技术介绍

[0002]随着天线研究的深入，天线的建造需求逐渐朝着高频、高增益的方向发展。大型天线一般暴露在外界环境中，在运行观测过程中，天线会受到风载荷、热载荷、冰雪等环境载荷的影响，导致天线的性能下降.J.Zhang,J.Huang,L.Qiu,and R.Song.Analysis of Reflector Vibration
‑
Induced Pointing Errors for Large Antennas Subject to Wind Disturbance:Evaluating the pointing error caused by reflector deformation[J].IEEE Antennas Propag.Mag.,2015,57(6):46
–
61中美国国家航天局对34米和7本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于ICEEMDAN
‑
BP的高耸空间结构风速预测方法，其特征在于，包括如下步骤：(1)根据要预测的风速序列数量，确定用于训练神经网络模型所需的风速序列数量，选取预测时间点之前一定数量的风速序列作为训练集数据；(2)使用改进的自适应噪声的完全集合经验模态分解ICEEMDAN分解所述训练集数据，原始序列分解生成有限个本征模态函数IMF子序列和一个余项；(3)分别对各IMF子序列进行希尔伯特变换，得到各IMF子序列对应的希尔伯特频谱；(4)对所述全部希尔伯特谱求和，重构得到平稳化的完整风速序列；(5)对所述平稳化的风速序列进行归一化处理；(6)使用归一化处理后的风速序列对BP神经网络进行训练，经反复迭代，训练网络的权值和偏差，直到满足预测精度；(7)向训练好的BP神经网络模型中输入待预测的平稳化和归一化处理的风速序列，实时预测风速输出结果；(8)将BP神经网络模型输出的风速序列结果反归一化。2.根据权利要求1所述的基于ICEEMDAN
‑
BP的高耸空间结构风速预测方法，其特征在于，步骤(1)中，选定的用于训练神经网络模型的时间序列长度与预测的风速序列长度比为10：1，所述选取的训练集数据是开始预测的时间点前的等时间间隔离散时间序列数据。3.根据权利要求1所述的基于ICEEMDAN
‑
BP的高耸空间结构风速预测方法，其特征在于，步骤(2)按如下过程进行：(2a)对每组高斯白噪声信号进行经验模态分解EMD，每列噪声IMF子序列的频率由高到低，得到噪声IMF子序列矩阵E(w
(i)
[n])；(2b)分别向初始信号中添加每组噪声的一阶IMF子序列E1(w
(i)
[n])；(2c)对加入噪声后的每组信号求和并计算均值得到一阶残差序列r1[n]；(2d)将初始风速序列x[n]与一阶残差序列r1[n]作差，得到风速序列的1阶IMF子序列；(2e)分别向一阶残差序列r1[n]中添加每组噪声的二阶IMF子序列，求和并计算均值得到二阶残差序列r2[n]；(2f)将一阶残差r1[n]与二阶残差r2[n]作差，得到风速序列的2阶IMF子序列；(2g)对于k＝3,4,...阶的风速序列k阶残差r
k
[n]和k阶IMF子序列IMF
k
，转到步骤(2e)，(2f)；(2h)直到风速序列的IMF子序列全部被分解，循环停止，由此得到一系列频率由高到低的风速IMF子序列IMF1,IMF2,...,IMF
k
和一个余项r
k
[n]。4.根据权利要求3所述的基于ICEEMDAN
‑
BP的高耸空间结构风速预测方法，其特征在于，噪声IMF子序列矩阵E(w
(i)
[n])为：其中，w
(i)
[n]表示第i组噪声，共有l组噪声，E(*)表示求IMF分量，E1(w
(i)
[n]),E2(w
(i)
[n]),...,E
k
(w
(i)
[n])分别表示对第i组噪声w
(i)
[n]求1,2,...,k阶IMF分量；
分别向初始风速序列中添加每组噪声的一阶IMF子序列E1(w
(i)
[n])为：x
(i)
[n]＝x[n]+ε0E1(w
(i)
[n])i＝1,2,...(2)其中，x[n]表示初始风速序列，噪声权重系数比例系数β0表示输...

【专利技术属性】
技术研发人员：王文娟，王从思，严粤飞，李帅，连培园，薛松，王娜，许谦，李琳，赵武林，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：